31、2D医学图像分割与EEG情绪识别的前沿技术探索

2D医学图像分割与EEG情绪识别的前沿技术探索

在医学图像领域和情绪识别领域，研究人员不断探索更高效、准确的方法，以解决实际应用中的难题。本文将深入介绍两种创新的技术：用于2D医学图像分割的CTC - Net网络，以及基于脑电（EEG）信号的情绪识别方法。

1. CTC - Net：2D医学图像分割的新突破

在医学图像分割任务中，找到合适的编码器结构对于提取图像的深层特征至关重要。研究人员在Synapse数据集上进行了实验，探索不同数量的编码器层对模型性能的影响，旨在为编码器分支找到更合适的结构，并明确Transformer需要整合的深层特征。

1.1 编码器增强层的实验结果

实验通过对比不同架构的CTC - Net在DSC（Dice相似系数）和HD95（95% Hausdorff距离）指标上的表现，来评估模型性能。DSC值越高，表示分割结果与真实标签的重叠程度越高；HD95值越低，表示分割边界与真实边界的最大距离越小。具体实验结果如下表所示：
| Architecture | Enhanced Encoder Layers | DSC↑ | HD95↓ | Aorta | Gallbladder | Kidney (L) | Kidney (R) | Liver | Pancreas | Spleen | Stomach |
| — | — | — | — | — | — | — | — | — | — | — | — |
| CTC - Net | 1 | 82.27 | 15.29 | 88.84 | 70.43 | 84.30 | 79.90 | 94.31 | 66.48 | 92.42 | 81.51 |